Los científicos del el Laboratorio de Algoritmos y Sistemas de Aprendizaje de la Escuela Politécnica Federal de Lausana (EPFL) han estado trabajando en nuevos enfoques que permitan a pacientes amputados mejorar la precisión de sus manos prostáticas.
Ayer publicaron los resultados de sus investigaciones en Nature Machine Intelligence: una prueba de concepto interdisciplinar, a medio camino entre la robótica y la neuroingeniería, consistente en recurrir a la inteligencia artificial para combinar el control individual de los dedos y la automatización de los procesos de agarre y manipulación.
De este modo, gracias a la neuroingeniería, resulta posible descifrar qué movimientos desea realizar la persona amputada, analizando los movimientos musculares del muñón para convertir esta señal es el control individual de la mano protésica, al tiempo la robótica permite que el agarre sea firme, haciendo que los dedos artificiales sujeten los objetos antes incluso de que el usuario se dé cuenta de que se le estaban escapando.
Así lo explica Aude Billard, director del laboratorio:
"Si un objeto comienza a deslizarse en su mano, ésta sólo tiene unos pocos milisegundos para responder. La mano protésica puede responder dentro de los 400 milisegundos. Debido a que está equipada con sensores de presión a lo largo de los dedos, es capaz de reaccionar estabilizando el objeto antes de que el cerebro pueda percibirlo deslizarse".
El algoritmo que hay detrás
Todo esto es posible porque, en primer lugar, se entrena un algoritmo para que sea capaz de decodificar las intenciones de los usuarios y traducirlas en movimientos de los dedos; dicho entrenamiento consiste en que al usuario amputado se le indiquen una serie de movimientos a realizar, para que la IA capte la actividad muscular a través de los sensores y a prenda a vincular los patrones de la misma con movimientos concretos.
Sólo una vez que el algoritmo ha entendido los movimientos de los dedos del usuario, esta información se puede utilizar para controlar los dedos individuales de la mano protésica. Lo explica Katie Zhuang, otra de las investigadoras:
"Debido a que esas señales musculares pueden ser 'ruidosas', necesitamos que un algoritmo de aprendizaje automático sea capaz de identificar la actividad relevante de esos músculos y que los traduzca en movimientos".
Además, el algoritmo está programado para hacer que la mano apriete automáticamente cuando el usuario intenta agarrar un objeto. Si bien según los investigadores, todavía deben sortear varios obstáculos antes de que el algoritmo pueda implementarse en una mano protésica disponible en el mercado. Aunque, a largo plazo, en palabras de Silvestro Micera, responsable del Programa Bertarelli en Neurociencia Translacional de la EPFL,
"nuestro enfoque de 'control compartido' de las manos robóticas podría contar con varias aplicaciones neuroprotésicas además de las prótesis de mano biónicas, como las interfaces cerebro-máquina, aumentando así el impacto clínico y la usabilidad de estos dispositivos".
Vía | Science Daily
Imagen | EPFL
Ver 4 comentarios